今天上午做了兩份現場筆試題，一份資料探勘的（筆試題偏SQL），一份AI崗的筆試（偏深度神經網路）。

面了平安科技的AI崗和大資料（資料探勘）崗位，現在記錄一下：

1.AI崗位：

面試官很和善，但是看了我的簡歷專案經驗和學術經驗，明確我沒有深度學習方面的相關經驗和學習，所以認為我和這個崗位不匹配，儘管我在期間，也表達了我有很強的自助學習能力，和很強的轉崗興趣，但是，沒有得到面試官的認可，最後還是把我調到大資料的（資料探勘崗位）了。

這裡得到的一點小總結：之前自己對深度學習也有過了解，用過tensorflow調包去實現一些小的案例，但是始終沒有深入的去學習這塊領域的知識，認為先學好傳統機器學習的知識就可以了，去面試機器學習的崗位。

但是，這幾次的面試下來，發現，大部分的崗位都需要有深度學習的基礎，比如RNN，CNN的一些學習實踐，所以在後期的學習力，我也要把這一塊的知識再學習一下，簡歷上也放一些實踐或者比賽的案例上去。

2.大資料（資料探勘）崗位：

剛面試，從自我介紹說起，我就把自己的實習經歷，學術經歷按簡歷順序一一敘述了一遍。

然後面試官也就順著簡歷一路問下來，其中包括的一些問題，我總結一下：

1，使用者畫像，用到了哪些維度的資料?  這裡，我就直接說了一些特徵，從人口特徵，到平安的平臺數據等，回答的還可以

2，我使用者畫像用的是K-means演算法，那麼對於離散變數如何進行連續化？

我回答的是，因為離散變數不能匯入模型直接計算距離，所以使用one-hot編碼，可以實現離散變數的連續化。

面試官接著問：除了one-hot編碼，還有其他比較好的編碼方式嗎，因為one-hot 編碼的效果不是很好。

我的回答 ： 我瞭解的離散變數轉變成連續型變數，還有的方法有 等距分箱法，卡方分箱法等，來實現。

（其實我也不是很清楚到底哪種方法好，這裡就這麼說了，所以後面需要去確定一下，到底哪種編碼方式比較好？

面試官接著問：對於有序的屬性可以這樣處理，那麼對於無序的屬性呢？ 我沒有給出比較滿意的回答。。。。

3.一般k-means都使用歐式距離，還有沒有其他的方法，你認為比較好的，來計算變數之間的距離？

這個問題，我真的不確定。我雖然知道，還有其他的方法可以計算變數之間的距離，比如馬氏距離，餘弦相似度計算，所以只說了這兩個，也沒有明確到底用哪種距離比較好？

23點更新：https://www.zhihu.com/question/60868444 知乎上有解答，在西瓜書上也寫到了VDM的距離方法，不過，雖然知乎上說了獨熱編碼的缺點，會丟失資訊，但是也說有什麼好的編碼方式。

只是說了有

所以基於K-means這種思路的演算法：

1.處理連續變數的有K-means和K-means++[2]

2.處理categorical變數的有K-modes[3]

3.處理混合變數的有K-prototypes

4.開始問CART數的問題

1） 為什麼選用CART數作為分類是否是沉睡使用者的模型？

我回答說，決策樹模型可以接收非數值型的輸入，所以選決策樹比較好處理。相對於ID3 ，ID4.5決策樹來說，CART數的效能更好，所以就選了這個。

2）對於輸入資料有缺失值的情況，你們是怎麼處理的？

我回答是：將缺失值作為一種特徵，直接帶入到模型中，不需要作缺失值處理。

面試官接著問：是如何將缺失值作為一種特徵帶入模型的。我沒有給出滿意的回答。。。。

3）CART迴歸數，如何尋找葉子節點？

擦，我這裡在面試的時候，沒有明白麵試官的意思，剛才查了一下，應該是就是如何分裂。就是怎麼選擇決策數的特徵。就是根據GINI指數嘛。但是和分類樹不一樣，迴歸樹是計算 Gain_σ

5.開始問申請評分卡的問題

1）缺失值是怎麼處理？

我回答，缺失值就是用平均值進行填充了。面試官問：是不是有些武斷了？

我接著回答說，也可以用迴歸的方法進行預測，但是這個做法工程量有點大，所以就沒有這麼做。

2）如何確定變數是否存在共線性，怎麼進行剔除？

這裡我不是很清楚，就回答了用PERSON相關性分析來確定是否存在共線性。。。如果兩個變數相關，就剔除其中一個。

然後面試官又問，如何判定離散變數和連續型變數，是否存在共線性呢？

這個我回答，還是要把離散變數連續化，再去判斷，但是面試官對回答不是很滿意。。。。

3）線性迴歸的基本假設是什麼？

這個我真不知道，回答了：假設變數之間的關係是線性的。

剛才找到了一個解釋的文章：

最後，面試官問，有什麼要問他的？

我問了一下面試官所做的業務場景，是我知道的開放平臺。然後對外面做一些模型輸出。

下次，我還可以問一下自己的今天面試表現如何，有什麼地方需要改進的。